はてなブックマーク

タイトルでもうオチてる感じがしますが、API仕様書を読み込むMCPサーバーを自作したところ、開発が爆速になったので紹介します。普段Androidのアプリ開発をしている人間です。 MCPとは? LLMに対してコンテキストを与えるためのプロトコルです。 今回はAPI仕様書を読み込むMCPを作るので、ざっくり言うとClineやClaude for Desktop、GitHub Copilot Agentなど、MCPに対応したツールがAPI仕様書に基づいてコードを書いてくれるようになります。 何が嬉しいのか? 例えば、以下のような質問・指示ができるようになります。 決済に関連するAPIを列挙し、Markdown記法でまとめて ドメインクラスを作りたいので、User をKotlinのdata classで出力して Androidアプリの NotificationRepository.kt に書いてあ

はじめに NOT A HOTELではSlack Bot に GPT-4V API を搭載するやNOT A HOTELアプリにGPT-3.5系モデルを用いたAIコンシェルジュ機能「Kevin」を追加といった記事に見られるように、LLMや生成AIを活用したツールを試したり、プロダクションリリースを行なっています。 現在もGitHub Copilotを会社負担で導入したり、Difyをクローズドなネットワークで検証可能な環境を社内に構築するなど、先端的な技術の活用を積極的に行なっています。 そう言った活動の一環として、社内でDevinを導入してみる会を行いましたので、知見を共有します。 Devinとは Devinは2024年3月にリリースされた開発支援ツールです。 Devin is a collaborative AI teammateと説明されている通り、 まるでチームメイトが増員したかのごとく

Cloudflare Workers の環境変数のドキュメントを読むと分かりますが wrangler.toml に記述した環境変数をローカル環境のみ .dev.vars に記述した環境変数で上書きしてくれます。 ここで、ローカルから外部の API を叩いて API の動作を確認したいケースがありますが、皆さんはどのようにして API キーなどの共有をされてますか? NOT A HOTEL では 1Password に開発環境用のクレデンシャルを保存してチームで共有しています。.dev.vars は以下のようになってます。 GCP_SERVICE_ACCOUNT='{"type":"service_account","project_id"...}' OPENAI_API_KEY="sk-gET5lej..." FIREBASE_AUTH_DOMAIN="localhost:8788" GI

NOT A HOTEL ではガッツリ Cloudflare Workers の上でアプリケーションを動かしています。 本格的にアプリケーションを開発しようとすると、ある機能 A を作成するために、それに依存する機能 B、機能 C を事前にセットアップしなければいけません。これらをスッキリさせる手法として Dependency Injection(以下 DI)があります。 環境変数もセットアップに必要な機能です。うちではどのように DI を行なっているか、一つの事例として紹介します。言語は TypeScript です。 ディレクトリ構成 di.ts を worker.ts と同じ階層に作成しています。 di.ts の中身 以下のようなコードを書いています。 使う時は new DIContainer(env, req) もしくは new DIContainer(env) と記述して利用できます

DroidKaigi 2023で行われたMaterial 3 やめました(スライド)というセッションを聴講した。 その内容に触発され、自分が関わっているAndroidアプリにおいても、Material 3をやめることにした。 なぜやめるのか 上記の発表と同様に、特に問題となったのは、ブランドカラーの取り扱いだった。多くのアプリには固有のブランドカラーが存在するが、その色調を(軽微であれ)変換することはブランドのイメージを損ねてしまう。仮に許容したとしても、iOSやWebでもMaterial 3を採用しないと、統一感を損ねてしまう。全てのプラットフォームでMaterial 3を採用する場合、より横断的な技術選定になり、各プラットフォームでのライブラリの成熟度や実装コストを考慮する必要がある。これは我々にとって現実的でなかった。 また、独自デザインシステムとMaterial 3の実装が混在する

最近の AI 技術の進歩は目覚ましく、OpenAI による ChatGPT などの API の提供は沢山のアプリケーション開発者にとって Python を使った開発を始めるきっかけになったのではないでしょうか。筆者もそのうちの 1 人です。 効率的かつ再現性の高い開発環境は必要不可欠であり、それを実現するためのツールの一つが Docker です。Docker はアプリケーションを容易に再現可能なコンテナ内で動作させることができ、開発から本番環境まで一貫した環境を提供します。これで「僕の環境では動いているんですけどねぇ...」といった問題[1]を避けることができます。 本記事では、AI 時代に立ち向かうべく筆者が Python 初心者なりに取り組んだアプリケーション開発の方法の一つを解説します。 ディレクトリ構成 このような形を目指していきました。 . ├── .devcontainer │